一种基于LSTM与强化学习的无人机群调度方法

本发明公开了一种基于LSTM与强化学习的无人机群调度方法，包括以下步骤：采集无人机群在作业期间的原始观测数据，形成标准化数据集；针对每架无人机分别构建独立的LSTM子网络，形成异步多代理LSTM结构；引入通信LSTM模块，输出联合特征表示；基于联合特征表示构建电量预测模型；结合任务特征矩阵与联合特征表示，构建基于深度强化学习的任务响应优先级模型；采用多任务学习框架和联合损失函数对电量预测模型与任务优先级模型进行协同训练，生成无人机调度模型；接收实时数据，输出全局调度策略。本发明提高了无人机群调度的协同性、响应效率与电量预测精度，适用于多无人机动态任务场景。